Q-Router: 基于专家模型路由与伪影定位的智能视频质量评估
计算机视觉与模式识别
2025-10-14 v2
摘要
视频质量评估（VQA）是一项基础的计算机视觉任务，旨在预测给定视频的感知质量，使其与人类判断保持一致。现有的基于直接分数监督训练的高性能 VQA 模型存在以下不足：（1）在多样化内容和任务上的泛化能力较差，涵盖用户生成内容（UGC）、短视频到人工智能生成内容（AIGC）；（2）可解释性有限；（3）缺乏对新用例或内容类型的扩展性。我们提出了 Q-Router，一个用于通用 VQA 的智能体框架，采用多层模型路由系统。Q-Router 整合了一组多样化的专家模型，并利用视觉-语言模型（VLMs）作为实时路由器，根据输入视频语义动态推理并集成最合适的专家。我们基于计算预算构建了多层路由系统，最重的层级涉及特定的时空伪影定位以实现可解释性。这种智能体设计使 Q-Router 能够结合专业专家的互补优势，在异构视频来源和任务上实现灵活性与鲁棒性的统一。大量实验表明，Q-Router 在多种基准数据集上匹配或超越了最先进的 VQA 模型，同时显著提升了泛化能力和可解释性。此外，Q-Router 在基于质量的问答基准 Q-Bench-Video 上表现出色，展示了其作为下一代 VQA 系统基础的潜力。最后，我们证明 Q-Router 能够定位时空伪影，展现出作为视频生成模型后训练奖励函数的潜力。
引用
@article{arxiv.2510.08789,
title = {Q-Router: Agentic Video Quality Assessment with Expert Model Routing and Artifact Localization},
author = {Shuo Xing and Soumik Dey and Mingyang Wu and Ashirbad Mishra and Naveen Ravipati and Binbin Li and Hansi Wu and Zhengzhong Tu},
journal= {arXiv preprint arXiv:2510.08789},
year = {2025}
}